Soutenance d’HDR de Benoît DELAHAYE (équipe AeLoS)

Benoît Delahaye, maitre de conférences au sein de l’équipe AeLoS, soutiendra sa soutenance son Habilitation à Diriger des Recherches (HDR) intitulée « Modélisation et Vérification de Systèmes Incertains » / « Modeling and Verification of Systems with Uncertainties »

le jeudi 10 décembre à 14h (CET) en visioconférence.
La soutenance sera retransmise en direct à l’adresse suivante :
https://stream.lifesizecloud.com/extension/4452281/cfe3f6b0-d21f-4212-9bbf-61dd75f8a6bc

Jury :
Colin De La Higuera, Professeur LS2N / Université de Nantes – Président
Christel Baier, Professeure Technische Universität Dresden – Examinatrice
Béatrice Bérard, Professeure émérite LIP6 / Université Pierre et Marie Curie – Rapporteur
Patricia Bouyer-Decitre, Directrice de Recherche LSV / ENS Paris Saclay – Examinatrice
Pedro R. D’Argenio, Professeur FaMAF / Universidad Nacional de Córdoba (Argentina) – Rapporteur
Holger Hermanns, Professeur Saarland University – Rapporteur

Résumé (du manuscrit) :
Le but des sciences en général est d’étudier le fonctionnement de systèmes complexes afin de mieux les comprendre et, éventuellement, de pouvoir prédire leur comportement futur. Une part importante de cette étude est la réalisation d’un modèle, objet abstrait qui représente fidèlement les connaissances existantes à propos du système, et qui pourra alors être étudié et simulé à la place du système lui-même. Malheureusement, il est fréquent que les connaissances existantes à propos des systèmes soient incomplètes ou sujettes à incertitudes. Il est alors important d’inclure ces incertitudes à l’intérieur des modèles et de développer des techniques afin d’automatiser l’analyse de ces modèles. Ce document présente quatre contributions au domaine de la modélisation et de l’analyse de tels systèmes. Deux de ces contributions sont à vocation plutôt théorique et proposent des langages de modélisation permettant d’inclure les incertitudes à l’intérieur des modèles ainsi que des techniques de vérification associées. Les deux autres contributions sont plus pratiques, l’une proposant une technique de vérification statistique et prouvant son efficacité sur un cas d’étude industriel, et l’autre proposant une technique de construction automatique de modèle à partir d’un ensemble de données ainsi qu’une analyse de son niveau de sécurité.

——————————————————————————————————————————————————–
Abstract (of the manuscript):
The goal of science in general is to study the functioning of complex systems in order to better understand them and potentially to be able to predict their future behaviour. An important part of this study is the realization of a model, an abstract object that faithfully represents existing knowledge about the system, and which can then be studied and simulated instead of the system itself. Unfortunately, existing knowledge about systems is often incomplete or subject to uncertainties. It is then important to include these uncertainties in the models and to develop techniques to automate the analysis of these models. This document presents four contributions to the field of modeling and analysis of such systems. Two of these contributions are somewhat theoreticaly-oriented, proposing modeling languages to include uncertainties in models and associated verification techniques. The other two contributions are more practical, one proposing a statistical verification technique and proving its efficiency on an industrial case study, and the other proposing a technique for automated model construction from a data set and an analysis of its security level.